JP2001222290A - 音声合成装置及びその制御方法並びに記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 音声合成装置が出力する出力音声の発声速度
を画像情報としてユーザに示すことにより、このユーザ
に実際の発声速度を視覚的に理解させること。 【解決手段】 ステップＳ３０１においては、音声合
成装置１０１が発声して読み上げる文章をキーボード１
０４を用いて入力する。ステップＳ３０２においては、
音声合成装置１０１の発声速度をスライダバー４０３ａ
を用いて指定する。ステップＳ３０３においては、ステ
ップＳ３０２において入力された音声合成装置１０１の
発声速度に基づいて、アニメーションＧＩＦを生成す
る。ステップＳ３０４においては、ステップＳ３０３に
おいて生成されたアニメーションＧＩＦをアニメーショ
ンＧＩＦ領域４０２に表示する。同時にこの発声速度に
応じてスピーカ１０５から音声を発声する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ユーザにより発声
速度の指定が可能な音声合成装置及びその制御方法並び
に記憶媒体に関する。

【０００２】

【従来の技術】従来の音声合成装置では、ユーザが発声
速度を指定する場合、「遅い」、「普通」、「速い」な
どの相対的な入力や、数値による絶対的な入力を行って
おり、それに応じて音声が出力される。

【０００３】

【発明が解決しようとする課題】しかし従来の音声合成
装置では、ユーザが発声速度を入力する際に、具体的に
どのような発声速度になるのかを、ユーザが直感的に理
解することが難しい。

【０００４】本発明は、上述の問題を解決し、音声合成
装置が出力する出力音声の発声速度を画像情報としてユ
ーザに示すことにより、このユーザに実際の発声速度を
視覚的に理解させることを目的とする。

【０００５】

【課題を解決するための手段】本発明の目的を達成する
ために、本発明の好適な実施形態である音声合成装置は
以下の構成を有する。すなわち、文章を発声して読む際
の発声速度を視覚的に示す音声合成装置であって、発声
する文章のデータを読み込む読み込み手段と、発声速度
を入力する入力手段と、入力した発声速度に依存した速
度で変化する画像を生成する生成手段と、生成手段によ
り生成された画像を表示する表示手段とを有する。

【０００６】これらの手段を有することで、発声速度を
入力し、その発声速度に従って画像を生成するので、こ
の画像を表示することで、発声速度を視覚的に示すこと
ができる。

【０００７】更に、本発明の好適な実施形態である音声
合成装置は以下の特徴を備える。すなわち、音声合成装
置は文章を発声して読む際に、発声する音声を出力する
ことを特徴とする。

【０００８】その結果、ユーザは発声速度を示す画像を
見ながら、音声合成装置より出力される音声を聞くこと
で、ユーザは発声速度を指定することがより容易にな
る。

【０００９】更に、本発明の好適な実施形態である音声
合成装置は以下の特徴を備える。すなわち、前記生成手
段は、発声速度を視覚的に示すための画像としてアニメ
ーションＧＩＦを用いることを特徴とする。

【００１０】発声速度を視覚的に示すための画像として
は動画が必要であり、アニメーションＧＩＦは動画とし
ては好適である。

【００１１】更に、本発明の好適な実施形態である音声
合成装置は以下の特徴を備える。すなわち、前記読み込
み手段は、ユーザが逐次入力する文章を読み込むか、も
しくは、予めこの文章をファイルとして作成しておき、
このファイルを読み込むことを特徴とする。

【００１２】

【発明の実施の形態】以下添付図面に従って、本発明を
適用した好適な実施形態を詳細に説明する。なお、以下
の実施形態において、文章の発声速度をユーザに視覚的
に理解させるための視覚的な効果としてアニメーション
ＧＩＦを用いるが、本発明はこれに限定されるものでは
ない。つまり、同じ動画を実現する手段として、各種の
フォーマットによるムービーファイルを用いてもよい。
その場合、この各種のフォーマットによるムービーファ
イルを再生するプログラムを、以下の実施形態における
音声合成装置が実行できるようにする必要がある。

【００１３】［第１の実施形態］本実施形態では、音声
合成装置が発声して読み上げる文章と、この発声の発声
速度と、を入力した結果、音声合成装置が発声する際の
音声と、発声速度を視覚的に示すためのアニメーション
ＧＩＦとを、ユーザに出力する音声合成装置及びその制
御方法並びにプログラムコードを示し、説明する。

【００１４】図１は本実施形態の構成を示す図である。

【００１５】１０１は音声合成装置で、図２に示す内部
構成を備える。図２は音声合成装置の内部のブロック図
で、この図２を用いて音声合成装置の内部の構成につい
て説明する。

【００１６】２０１はＣＰＵで、ＲＯＭ２０２に格納さ
れたプログラムコード（アニメーションＧＩＦを生成、
再生するプログラムコード、音声合成装置１０１が出力
する音声の制御を行うプログラムコード等）を実行す
る。

【００１７】２０２は上述のＲＯＭで、上述のプログラ
ムコードや、音声合成装置１０１が発声する際に用いる
音声のデータ、アニメーションＧＩＦに用いる画像デー
タなどを格納する。またＲＯＭ２０２はその他にも、音
声合成装置１０１の起動プログラムや、文章をディスプ
レイ１０２に表示するための文字コードも格納してい
る。また、音声合成装置１０１が発声する際の音声を生
成するために用いられる、後述するテーブルも格納す
る。

【００１８】２０３はＲＡＭで、ＣＰＵ２０１が上述の
プログラムコードを実行している際に一時的な記憶エリ
アとして使用される。

【００１９】２０４は上述の各部を繋ぐバスである。

【００２０】以上の構成に基づいて音声合成装置１０１
は機能する。

【００２１】１０２はディスプレイで、ＣＲＴ、液晶画
面などにより構成されている。音声合成装置１０１を起
動させるとディスプレイ１０２には図４に示す画面が表
示される。図４は、音声合成装置１０１を操作するため
のインターフェイスの画面を示す。

【００２２】４０１はアニメーションＧＩＦを表示する
領域であり、アニメーションＧＩＦ領域と呼称する。

【００２３】４０２は音声合成装置１０１が発声して読
み上げる文章が表示される領域であり、文章領域と呼称
する。この文章領域４０２にキーボード１０４から文章
を入力することで、音声合成装置１０１はこの文章に基
づいて発声し、この文章を読み上げる。

【００２４】４０３は発声速度を入力するスライダであ
る。ここでは発声速度が１モーラ／秒から１００モーラ
／秒の範囲で選択することができ、スライダバー４０３
ａをマウス１０３を用いて左右に移動させることで、発
声速度を決定することができる。

【００２５】ここでモーラとは、日本語を発音するとき
の最小単位であり、長音、促音も１モーラに数える。例
えば、「コーヒー」は４モーラであり、「システムキッ
チン」は８モーラである。

【００２６】なお、この発声速度を選択する範囲につい
ては図４に示したこの範囲に限定するものではなく、そ
の使用用途に応じて変更する。

【００２７】４０４は音声合成装置１０１に発声させる
ための決定ボタンである。この決定ボタン４０４をマウ
ス１０３を用いて押すことにより、上述の各部において
設定された発声速度と音声の種類に従って音声合成装置
１０１は発声して、文章領域４０２に表示された文章を
読み上げる。

【００２８】このインターフェイスを用いて音声合成装
置１０１を操作することで、この音声合成装置１０１
は、入力された文章に基づいて発声する際の音声と、発
声速度を視覚的に示すためのアニメーションＧＩＦと
を、ユーザに出力することができる。

【００２９】図１に話を戻して、１０３はマウスで、図
４における上述の説明のとうり、音声合成装置１０１が
発声する際の音声合成装置１０１の各種の設定や、発声
の実行を行うことができる。

【００３０】１０４はキーボードで、図４における上述
の説明のとうり、音声合成装置１０１が発声して読み上
げる文章を文章領域４０２に入力する事ができる。

【００３１】１０５はスピーカで、音声合成装置１０１
が発声して読み上げる音声を出力することができる。な
お、この図ではスピーカ１０５は音声合成装置１０１の
外部に接続されているが、音声合成装置１０１に内蔵さ
れてもよい。

【００３２】図３に本実施形態のフローチャートを示
す。

【００３３】ステップＳ３０１においては、上述の説明
のとうり、音声合成装置１０１が発声して読み上げる文
章をキーボード１０４を用いて入力する。

【００３４】ステップＳ３０２においては、上述の説明
のとうり、音声合成装置１０１の発声速度をスライダバ
ー４０３ａを用いて指定する。

【００３５】ステップＳ３０３においては、ステップＳ
３０２において入力された音声合成装置１０１の発声速
度に基づいて、アニメーションＧＩＦを生成する。

【００３６】アニメーションＧＩＦの生成には２枚（た
とえば赤と緑）の画像を用いて、発声のタイミングに応
じて２枚の画像を入れ替えるようにする。つまり、普段
は緑の画像を表示し、発声のタイミングのときに赤の画
像を表示するようにアニメーションＧＩＦを生成する。
例えば、図５において、発声速度が１モーラ／秒である
とき、アニメーションＧＩＦの画像を１フレーム当たり
０．１秒で表示すると、連続した９フレームに緑の画
像、次の１フレームに赤の画像を加えた、計１０フレー
ム（１秒分のアニメーシヨンをリピートする）で構成さ
れたアニメーションＧＩＦを生成する。

【００３７】ステップＳ３０４においては、ステップＳ
３０３において生成されたアニメーションＧＩＦをアニ
メーションＧＩＦ領域４０２に表示する。その結果、ユ
ーザは音声合成装置１０１より出力された音声の発声速
度を視覚的に理解することができる。同時にこの発声速
度に応じてスピーカ１０５から音声を発声する。

【００３８】以上のフローチャートに従ったプログラム
コードはＲＯＭ２０２に格納されている。

【００３９】また、文章領域４０２に入力された文章か
ら、音声合成装置１０１が読み上げる際の音声を生成す
る際に用いられるテーブルを図８、９に示す。

【００４０】なお、このテーブルは上述のとうり、ＲＯ
Ｍ２０２に格納されている。

【００４１】図８は文章領域４０２に入力された文章を
その読み方に変換するための読み方変換テーブルを示
す。単語欄８０１には様々な単語が予め登録されてお
り、読み方欄８０２に各単語の読み方が、母音と子音が
わかるようにアルファベットで予め登録されている。

【００４２】図９は読み方変換テーブルの読み方欄８０
２に記載された各単語の読み方における母音と子音に対
応した音声波形データが予め登録された音声波形データ
テーブルを示す。同図のとうり、母音、子音欄９０１に
は各母音、子音が、音声波形データ欄９０２には各母
音、子音にそれぞれ対応した音声波形データが予め登録
されている。

【００４３】つまり、音声合成装置１０１はユーザによ
って文章領域４０２に入力された文章から読み方変換テ
ーブルを用いてその文章に含まれる母音、子音を特定
し、特定された母音、子音に基づいて音声波形データテ
ーブルを用いて音声波形データを特定し、特定された音
声波形データはＣＰＵ２０１が実行する上述のプログラ
ムコードによって再生される。

【００４４】一般に、単語の発声速度を変化させるとい
うことは、その単語に含まれる母音の発声時間に依存す
る。つまり、たとえば、「さくら」という単語を発声す
る際に、発声速度を徐々に遅くする際にはその読み方で
ある「ＳＡＫＵＲＡ」において、母音である「Ａ，Ｕ，
Ａ」の部分を徐々に長く発声すればよい。つまり、上述
において音声合成装置１０１が音声波形データを特定し
た際に、スライダバー４０３ａを用いて指定された発声
速度に基づいて、複数個の母音の音声波形データをＣＰ
Ｕ２０１に送る。

【００４５】以上の構成を持つ音声合成装置１０１及び
その制御方法及びプログラムコードは、音声合成装置１
０１より出力された音声の発声速度を画像（アニメーシ
ョンＧＩＦ）を用いてユーザに示すことにより、このユ
ーザに実際の発声速度を視覚的に理解させることができ
る。

【００４６】［第２の実施形態］第１の実施形態におけ
る音声合成装置１０１では、音声合成装置１０１が発声
して読み上げる文章はキーボード１０４から入力する
が、この文章を外部の記憶媒体から入力してもよい。つ
まり、音声合成装置１０１にフロッピーディスク、もし
くはＣＤ−ＲＯＭ等の記憶媒体から文章のデータを読み
込むドライブを設ける。そして、記憶媒体に音声合成装
置１０１が発声して読み上げる文章をデータファイルと
して格納しておき、図４のインターフェイスの画面にお
いて、「ファイルから読み込む」というメニューを一つ
追加する。その結果、このメニューを選択し、この記憶
媒体に格納している文章のデータファイル選択すること
で、この文章のデータファイルを音声合成装置１０１の
ＲＡＭ２０３に読み込むことができる。

【００４７】その他の処理については第１の実施形態に
おける処理の流れと同じである。なお、本実施形態にお
けるフローチャートは、図３のフローチャートのステッ
プＳ３０１を、文章の入力はキーボード１０４からでな
く、記憶媒体からの入力であるとしたフローチャートで
ある。

【００４８】以上の構成を持つ音声合成装置１０１及び
その制御方法及びプログラムコードは、外部の記憶媒体
から音声合成装置１０１が発声して読み上げる文章を入
力することができる。

【００４９】［第３の実施形態］第１，２の実施形態に
おいては、点滅するアニメーションＧＩＦを使って発声
速度の視覚による理解を行っているが、点滅するアニメ
ーションＧＩＦではなく、キャラクタが口を動かすアニ
メーションＧＩＦを用いてもよい。

【００５０】キャラクタが口を動かすアニメーションＧ
ＩＦを第１の実施形態に適用する場合、キャラクタが口
を動かしているように見せるための画像のデータをＲＯ
Ｍ２０２に格納する。また、キャラクタが口を動かすア
ニメーションＧＩＦを第２の実施形態に適用する場合に
は、記憶媒体にこの画像データを格納しておく。更にこ
の場合、外部のコンピュータなどを用いて生成したアニ
メーションＧＩＦを、この記憶媒体に保存しておくこと
で、使用するアニメーションＧＩＦを更新することがで
きる。

【００５１】また、このキャラクタが口を動かしている
アニメーションＧＩＦはいくつか用意しておき、図４に
示すインターフェイス画面において、このいくつかのア
ニメーションＧＩＦの中で使用するアニメーションＧＩ
Ｆを選択するメニューを設ける。この場合のフローチャ
ートを図６に示す。

【００５２】ステップＳ６０１，ステップＳ６０２にお
ける処理は、図３に示すフローチャートのステップＳ３
０１，ステップＳ３０２における処理と同じである。

【００５３】ステップＳ６０３においては、上述の説明
のとうり、いくつかのアニメーションＧＩＦの中から、
使用するアニメーションＧＩＦを指定する。

【００５４】ステップＳ６０４以降のステップにおける
処理については、図３のステップＳ３０３以降の処理と
同じである。

【００５５】なお、このフローチャートに従ったプログ
ラムコードは音声合成装置１０１のＲＯＭ２０２に格納
されている。

【００５６】以上の構成を持つ音声合成装置１０１及び
その制御方法並びにプログラムコードは、ユーザに発声
速度を視覚的に理解させるためのアニメーションＧＩＦ
として、キャラクタが口を動かすアニメーションＧＩＦ
を用いることができる。

【００５７】［第４の実施形態］第１乃至３の実施形態
において用いるプログラムコードを供給するための記録
媒体としては、例えば、ハードディスク、光ディスク、
ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯ
Ｍなどを用いることができる。

【００５８】［第５の実施形態］第１乃至４の実施形態
はパーソナルコンピュータ上においても実施可能であ
る。つまり、第１乃至４の実施形態におけるフローチャ
ートに従ったプログラムコード及びアニメーションＧＩ
Ｆを生成する際に用いる画像のデータ、音声データ等を
記憶媒体に格納する。そして、この記憶媒体が格納して
いるプログラムコードやデータをパーソナルコンピュー
タに読み込ませることで、このパーソナルコンピュータ
は読み込んだ各種のデータに基づいて読み込んだプログ
ラムコードを実行する。その結果このパーソナルコンピ
ュータは第１乃至４の実施形態を実施することになる。

【００５９】図７に本実施形態のブロック図を示し、説
明する。

【００６０】７０１はＣＰＵで、ＲＡＭ７０３に格納さ
れているプログラムコードを実行する。又、プログラム
コードを実行している際に一時的にデータを格納するエ
リアも備えている。

【００６１】７０２はＲＯＭで、パーソナルコンピュー
タの起動プログラムや、起動時の設定などが格納されて
いる。また、文字コードなども格納されている。

【００６２】７０３はＲＡＭで、外部記憶装置７０４か
らロードされたプログラムコードやデータを格納する。

【００６３】７０４は外部記憶装置で、フロッピーディ
スクやＣＤ−ＲＯＭ等の記憶媒体からインストールされ
た各種のプログラムコードやデータなどを保存する。

【００６４】７０５は表示部で、ＣＲＴや液晶画面など
により構成されており、図４に示すインターフェイスの
画面を表示する。また、パーソナルコンピュータからの
システムメッセージなども表示する。

【００６５】７０６はスキャナで、このスキャナ７０６
から画像を取り込むことにより、この画像を用いてアニ
メーションＧＩＦを生成することができる。

【００６６】７０７は操作部で、マウス、キーボードな
どのポインティングデバイスにより構成されており、図
１において説明したマウス１０３，キーボード１０４と
同じ使用用途である。

【００６７】７０８はＮＣＵで、このパーソナルコンピ
ュータにより生成されたアニメーションＧＩＦを通信回
線を介してネットワークに供給し、他のコンピュータに
おいてもこのアニメーションＧＩＦを提供することがで
きる。

【００６８】７０９はスピーカで、入力された文章を発
声することで読み上げる際に音声を出力する。

【００６９】７１０は上述の各部を繋ぐバスである。

【００７０】以上の構成のパーソナルコンピュータは上
述の各部の説明により第１乃至４の実施形態を実施する
ことができる。

【００７１】［他の実施形態］また、第１乃至５の実施
形態は複数の装置（例えばホストコンピュータ、インタ
フェイス装置、リーダ、プリンタなど）から構成される
システムに適用しても、一つの装置からなる装置（例え
ば、複写機、ファクシミリ装置など）に適用してもよ
い。

【００７２】また、第１乃至５の実施形態の目的は、第
１乃至５の実施形態の機能を実現するソフトウェアのプ
ログラムコードを記録した記憶媒体（または記録媒体）
を、システムあるいは装置に供給し、そのシステムある
いは装置のコンピュータ（またはCPUやMPU）が記憶媒体
に格納されたプログラムコードを読み出し実行すること
によっても、達成されることは言うまでもない。この場
合、記憶媒体から読み出されたプログラムコード自体が
第１乃至５の実施形態の機能を実現することになり、そ
のプログラムコードを記憶した記憶媒体は第１乃至５の
実施形態を構成することになる。

【００７３】また、コンピュータが読み出したプログラ
ムコードを実行することにより、第１乃至５の実施形態
の機能が実現されるだけでなく、そのプログラムコード
の指示に基づき、コンピュータ上で稼働しているオペレ
ーティングシステム(OS)などが実際の処理の一部または
全部を行い、その処理によって第１乃至５の実施形態の
機能が実現される場合も含まれることは言うまでもな
い。

【００７４】第１乃至５の実施形態を記憶媒体に適用す
る場合、その記憶媒体には、先に説明した（図３又は図
６に示す）フローチャートに対応するプログラムコード
が格納されることになる。

【００７５】

【発明の効果】音声合成装置が出力する出力音声の発声
速度を画像情報としてユーザに示すことにより、このユ
ーザに実際の発声速度を視覚的に理解させる効果があ
る。

【図面の簡単な説明】

【図１】第１の実施形態の構成を示す図である。

【図２】音声合成装置の内部のブロック図である。

【図３】第１の実施形態のフローチャートである。

【図４】音声合成装置を操作するインターフェイスの画
面を示す図である。

【図５】アニメーションＧＩＦの生成を示す図である。

【図６】第３の実施形態のフローチャートを示す図であ
る。

【図７】第５の実施形態のブロック図である。

【図８】図８は文章領域４０２に入力された文章をその
読み方に変換するための読み方変換テーブルを示す図で
ある。

【図９】図９は読み方変換テーブルの読み方欄８０２に
記載された各単語の読み方における母音と子音に対応し
た音声波形データが予め登録された音声波形データテー
ブルを示す図である。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5D015 KK02 5D045 AB02 5E501 AA30 AC16 BA03 CA08 CB15 CB20 EA21 EA40 FA15 FA32 9A001 HH18 HH28 JZ29

Claims (7)

【特許請求の範囲】
1. 【請求項１】 文章を発声して読む際の発声速度を視覚
   的に示す音声合成装置であって、 発声する文章のデータを読み込む読み込み手段と、 発声速度を入力する入力手段と、 入力した発声速度に依存した速度で変化する画像を生成
   する生成手段と、 生成手段により生成された画像を表示する表示手段とを
   有することを特徴とする音声合成装置。
2. 【請求項２】 音声合成装置は文章を発声して読む際
   に、発声する音声を出力することを特徴とする請求項１
   に記載の音声合成装置。
3. 【請求項３】 前記生成手段は、発声速度を視覚的に示
   すための画像としてアニメーションＧＩＦを用いること
   を特徴とする請求項１に記載の音声合成装置。
4. 【請求項４】 前記読み込み手段は、ユーザが逐次入力
   する文章を読み込むか、もしくは、予めこの文章をファ
   イルとして作成しておき、このファイルを読み込むこと
   を特徴とする請求項１に記載の音声合成装置。
5. 【請求項５】 文章を発声して読む際の発声速度を視覚
   的に示す音声合成装置の制御方法であって、 発声する文章のデータを読み込む読み込み工程と、 発声速度を入力手段を介して入力する入力工程と、 入力した発声速度に依存した速度で変化する画像を生成
   する生成工程と、 生成工程で生成された画像を表示手段に表示する表示工
   程とを有することを特徴とする音声合成装置の制御方
   法。
6. 【請求項６】 音声合成装置は文章を発声して読む際
   に、発声する音声を出力することを特徴とする請求項５
   に記載の音声合成装置の制御方法。
7. 【請求項７】 コンピュータが読み込むことで、文章を
   発声して読む際の発声速度を視覚的に示す音声合成装置
   として機能するプログラムコードを格納する記憶媒体で
   あって、 発声する文章のデータを読み込む読み込み工程のプログ
   ラムコードと、 発声速度を入力手段を介して入力する入力工程と、 入力した発声速度に依存した速度で変化する画像を生成
   する生成工程のプログラムコードと、 生成工程で生成された画像を表示手段に表示する表示工
   程のプログラムコードとを有することを特徴とする記憶
   媒体。